[发明专利]多分支卷积神经网络融合的遥感图像场景分类方法

摘要

本发明公开了一种多分支卷积神经网络融合的遥感图像场景分类方法，首先将场景数据集按比例随机划分成训练集和测试集；接着对数据集进行预处理和数据扩增；将处理后的数据分别通过对象检测网络和注意力网络获得对象掩码图和注意力图；然后将原图像、对象掩码图和注意力图训练集分别输入到一个CNN网络进行微调，分别获得最优分类模型，再将三组测试集作为输入分别通过最优分类模型获得Softmax层的输出，最后将三组Softmax层的输出通过决策级融合，获得最终的预测结果。本发明可以提高分类准确性和分类效果。

主权项

1.一种多分支卷积神经网络融合的遥感图像场景分类方法，其特征在于，包括：步骤S1：将场景数据集按预设比例划分为训练集和测试集；步骤S2：对场景数据集中的图像进行预处理；步骤S3：对预处理后的数据集进行数据扩增；步骤S4：将进行数据扩增后的数据集中的图像输入对象检测网络，获得对象掩码图；步骤S5：将进行数据扩增后的数据集中的图像输入注意力网络，获得注意力图；步骤S6：将进行数据扩增后的图像、对象掩码图和注意力图的训练集分别输入到一个CNN网络进行微调，分别获得第一最优分类模型、第二最优分类模型以及第三最优分类模型；步骤S7：将进行数据扩增后的图像的测试集作为输入，通过第一最优分类模型在CNN网络的Softmax层获得对测试样本的第一预测概率，将对象掩码图的测试集作为输入，通过第二最优分类模型在CNN网络的Softmax层获得对测试样本的第二预测概率，将注意力图的测试集作为输入，通过第三最优分类模型在CNN网络的Softmax层获得对测试样本的第三预测概率；步骤S8：将第一预测概率、第二预测概率和第三预测概率通过决策级融合，获得最终预测结果，将其作为分类结果。